為因應半導體製造過程中產品製程技術的快速變化、複雜產品組合及生產週期時間長的生產環境，如何在自動化系統輔助的大量生產之下，在製造過程中提供工程人員可確認正確的製程參數，以及發現產品異常時可立即針對問題的特徵進行問題真因追蹤與分析，針對取得的資訊進行合適的決策並將可能已受影響的產品列表管理，以減少產品的良率損失，已成為重要的產業應用與學術研究議題。
本研究目的係研究資料挖礦技術中關聯規則的Apriori 演算法，結合半導體領域知識，將製造過程中追蹤已發生問題的解決方式，進行關聯資料的搜尋並予以模式化，並利用決策樹歸納法進行可疑原因區別的建議；本研究並建構此半導體製造過程中的資料挖礦應用系統雛型，而以目前半導體製造中自動化系統所蒐集的資料結合此方法而建構一半導體製造過程中的資料挖礦應用系統為此研究的實作驗證，以完整地檢驗資料挖礦的方法與步驟進行大量資料的篩選、推演與模式建構等過程；結論歸納本研究結果與貢獻，並探討未來研究方向。

The environment within the Semiconductor Industry is one that is made up of rapidly changing technologies, complicated product groups, extensive production hours. The following points have become crucial issues for industrial application and academic research within the Semiconductor Industry: methods by which accurate processing parameters may be provided for engineers to confirm to, within an automation system during mass production; methods by which abnormal wafers may be instantly tracked and analyzed, based on the problems/defects of each individual case; methods by which obtained data may be appropriately processed, by which affected products may be managed through a report chart, and by which yield loss of products may be lessened.
This study will focus on the Apriori Algorithm used in Data Mining Technologies, and will incorporate working knowledge of the Semiconductor Industry, to search for, and to develop the solution used to track existing problems within the fabrication process. The Decision Tree analysis method will also be used to categorize and differentiate possible problem sources. This study will also configure an initial prototype of a data mining application system to be used within the Semiconductor fabrication process. The Data Mining application system produced from combining this prototype with the automation system currently used for Semiconductor Fabs will be set forth as a feasible example in this study, and comprehensive data will be filtered, calculated, and modeling, based upon data mining methods and procedures. Research results of this study will be classified and organized, and a goal for future studies will be examined.

工研院電子所，《1997年半導體工業年鑑》，1997年。
工研院電子所工業人才培訓班講義，http://ccltrain.itri.org.tw。
中華民國科學技術年鑑（民國八十九年版），第三章機械與自動化科技，2000年。
王國榮 著，Visual Basic 6.0實戰講座，旗標出版股份有限公司，台北，2002年。
王文志（2003），「實驗設計為基礎架構之資料挖礦方法及其實證研究」，國立清華大學工業工程與工程管理學研究所碩士論文。
何宜佳，「台灣IC製造業發展現況」，台灣半導體產業協會(TSIA)簡訊專文，2003年。
李培瑞（2002），「半導體製程資料挖礦架構、決策樹分類法則及其實證研究」，國立清華大學工業工程與工程管理學研究所碩士論文。
吳鴻志（2002），「運用關聯式法則分析異常WAT良率之機台組合」，中正大學會計學研究所碩士論文。
林傑斌、劉明德、陳湘 編著，資料挖掘與 OLAP 理論與實務，文魁資訊股份有限公司，台北，2002年。
林鼎浩（2000），「建構半導體製程資料挖礦架及其實證研究」，國立清華大學工業工程與工程管理學研究所碩士論文。
科資中心羅於陵等人，「2010台灣策略性技術領域分析」研究報告，行政院國家科學委員會科學技術資料中心，http://192.83.171.79/html/unit1_a.htm，2003年。
陳麗君（2003），「應用資料探勘技術於信用卡黃金級客戶之顧客關係管理」，元智大學工業工程與管理學系碩士論文。
楊景晴（2003），「整合決策樹與關聯規則之資料挖礦架構及其實證研究」，國立清華大學工業工程與工程管理學研究所碩士論文。
曾龍 譯，資料挖礦概念與技術，Elsevier Pte Ltd. & 維科圖書有限公司，台北，2003年；原著︰Jiawci Han and Micheline Kamber(2000)，“Data Mining Concepts and Techniques”。
資商訊息顧問股份有限公司 編著，資料採礦（Data Mining）連載。
經濟部「挑戰 2008:國家發展重點計畫(2002 – 2007)」，行政院 91.5.31 院臺經字第 0910027097 號函核定，2003年。
鄭仁傑（2003），「以混合決策樹方法分析有相互關係之半導體製造資料」，國立清華大學工業工程與工程管理學研究所碩士論文，頁67。
廖信彥 著(2001)，Access 2002 學習教材，博碩文化股份有限公司，台北，2001年。
蕭世彰、蕭雅云 著，Access 2000 資料庫大進擊，文魁資訊股份有限公司，台北，1999年。
簡禎富、詹豐隆，「生產組合策略之決策分析—以某半導體廠為例」，科技管理學刊，第三卷第一期，137-156頁，1998年。
簡禎富、李培瑞、彭誠湧，「半導體製程資料特徵萃取與資料挖礦之研究」，資訊管理學報，第十卷第一期，頁63-84，2003年。
簡禎富、林鼎浩、徐紹鐘、彭誠湧，「建構半導體晶圓允收測試資料挖礦架構及其實證研究」，工業工程學刊，第十八卷第四期，37-48 頁，2001年。
簡禎富、劉志明、溫于平、薛家豪，「捷運機廠電聯車維修績效指標建立之研究」，捷運技術，第22期，第71-78 頁，2000年。
簡禎富、王鴻儒、李培瑞、徐紹鐘，「決策樹資料挖礦架構及其於半導體製程之實證研究」，科技管理學刊，第七卷第一期，137-160頁，2002年。
簡禎富、林鼎浩、劉巧雯、彭誠湧、徐紹鐘、黃佳琪，「建構晶圓圖分類之資料挖礦方法及其實證研究」，工業工程學刊， 第十九卷第二期，第23-38頁，2002年。
簡禎富、李培瑞、彭誠湧(2003)，「半導體製程資料特徵萃取與資料挖礦之研究」，資訊管理學報，第十卷第一期，頁63-84，2003年。
簡禎富、彭金堂、林怡傑、楊景晴（即將刊登），「建構關聯規則資料挖礦方法及其在台電配電事故定位之研究」，資訊管理學報。
Chien, C.F.、Peng, C.Y.，”Data value development to enhance competitive advantage: a retrospective study of EDA systems for semiconductor fabrication” ，Int. J. Services Technology and Management，2003。
Chien, C.F. and Liu, Q.W. “Developing data mining methods for wafer bin map clustering and the empirical study in a semiconductor manufacturing fab”，Proceedings of the International Conference on Modern Industrial Engineering and Engineering Management in New Century，August Tianjin，China，581-587，2001。
Fayyad, U., G. Piatetsky-Shapiro and P. Smyth,“The KDD process for extracting useful knowledge from volumes of data”Commun. ACM 39(11): 27-34，1996。
Keeney, R.L., and Raiffa, H.，”Decisions with Multiple Objectives: Preferences and Value Tradeoffs” Cambridge University Press，New York，1993。
Pintelon, L.M., and Gelder, L.F.，”Maintenance Management Decision Making”， European Journal of Operation Research，Vol.58，pp.301-317，1992。
META Group，”Data Warehouse Marketing Trends/Opportunities: An In Depth Analysis of Key Market Trends. META Group.”，1998。
SEMATECH Technology Transfer 97103379A-ENG,CIM Framework Architecture Guide 1.0，1997。
SEMATECH DOC ID#:98063534D-ENG，”300mm Integrated Vision for Semiconductor Factories”，I300 and J300E November 1999 Vision 3.0，1999。
The National Technology Roadmap for Semiconductors(ITRS)，1999。
The KDD Process for Extracting Useful Knowledge from Volumes of Data.，Commun. ACM 39(11): 27-34，1996。
Winbond Electronics Corp. 自動化工程處整理，2004。
http://www.sysage.com.tw/Gst/Solution/GSolOne.asp。